四年前,我写过一篇类似的文章,而现在,作为 DXC Technology 的董事长、总裁兼首席执行官,当我阅读最新的头条新闻并与渴望向董事会和投资者保证他们正在拥抱创新以推动增长的全球客户互动时,我又想起了这篇文章的现实意义。
每位首席信息官都希望投资最新的人工智能(AI)和机器学习(ML)技术,以获得竞争优势、实现成本效益、加快上市速度并提升整体体验。相信我,你一定不想迟到。但是,快速行动的压力可能会阻碍您实现预期业务目标的能力。
许多首席信息官在开始人工智能/机器学习 之旅时都忽略了一个方面,那就是如何发展他们的人才战略,以有效地扩大他们在这一领域的计划。
新的 80/20 规则
在 DXC,我们了解到,要想最大限度地发挥机器学习对企业的益处,您需要采用一种混合方法,将技术和人员结合起来,前者能帮助您实现 80% 的目标,而后者则能帮助您走完剩余的路程。
如今,许多软件产品都拥有嵌入式人工智能和机器学习 功能,这表明企业可以简单地依赖即插即用的方法。开箱即用,插上电源就能神奇地工作。
但是,机器学习的真正精髓--其开创性和为企业带来的价值--是不可能在没有人工干预的情况下实现的。
DXC Platform X 就是TM一个很好的例子,我们的数据驱动智能平台可有效管理客户的 IT 资产。Platform X将先进的人工智能和机器学习技术与大量自动化机器人集成在一起。然而,该平台的设计还包括我们的工程师,他们在虚拟 "控制室 "进行操作,以确保平台的最佳性能。
机器学习如何工作
要使机器学习有效,首先必须将数据输入平台、清理数据、配置 机器学习 模型,然后在遇到数据时校准模型。通过模型运行数据、持续监控和收集反馈的过程,可以提高模型的性能并生成准确的结果。
从这个角度来看,可以考虑一下人类的大脑。当人们有更多的数据、经验和积累的智慧来处理这些数据时,他们更善于思考和得出结论。
仅仅依赖于 机器学习 "产品包装标签 "上的内容或供应商对 RFP 的答复,可能会让您走上一条危险的道路。每位首席信息官在公司实施 ML 时,都应优先考虑三个关键的成功因素。
1.没有数据的 机器学习 模型就像没有汽油的汽车。
为了有效地训练机器学习模型,您需要高质量、高容量的数据。这些数据必须易于访问、格式正确、种类繁多,以确保结果无偏见。
在 DXC,我们的数据模型建立在 60 多年来为 6,000 多家客户管理重要系统的基础之上。丰富的历史经验使我们能够利用更高质量的数据来训练我们的模型,从而更快、更准确地识别影响服务的问题,减少中断。每个客户不仅能从自己的数据中获益,还能从我们客户群的集体智慧中获益。换句话说,我们的数据(安全且匿名)将成为您的数据。
2.没有 "一劳永逸 "的解决方案。
如前所述,机器学习模型需要人工监督。虽然软件解决方案会随着时间的推移不断改进,但机器学习 在商业领域的成功依赖于能使其有效运作的熟练专业人员。
在 DXC,我们拥有一支由专业数据科学家组成的精英团队,他们负责实验、设计和创建模型。我们的全球工程团队遍布 70 个国家/地区,使我们能够大规模部署、监控、审核和优化模型。
我们的工程师拥有的一项重要能力是确定机器学习产品和功能的正确组合 。许多产品都能提供类似的功能,但要知道在何时何地应用哪些功能才能达到最佳效果,这是人类独有的特质,需要实践经验和判断力。
虽然人工智能和 机器学习可能会颠覆某些就业市场,但它们也为那些拥抱变化的技术精英创造了令人兴奋的新机遇。
3.不要忘记整合。
即插即用方法经常被忽视的一个方面是配置所有集成所需的工作量。只有新成立的公司才有能力建立一个全新的系统。我们大多数人都面临着将新技术与现有技术集成的挑战。大多数财富 500 强企业都拥有庞大而复杂的 IT 资产,包括数千台服务器、数百个战略应用程序和分布式终端设备,为动态且经常是虚拟的员工提供支持。
这正是 DXC Platform X 的优势所在。其开放式模块化架构允许轻松集成和灵活部署选项,充分利用客户当前和未来的 IT 投资。我们为顶级企业 SaaS 平台提供预配置集成、随时可用的 机器学习 模型、超自动化资产目录以及将所有组件无缝连接起来的经验丰富的工程师来完成繁重的工作。
总结
人工智能和 机器学习 革命无疑将继续加速,推动各行各业的进步。在 DXC,我们很高兴能够站在最前沿,深思熟虑地评估和应用新兴技术,为我们的客户和员工谋福利。
无论您的战略如何--您是选择购买、构建,还是与合作伙伴合作来实现人工智能和 机器学习 的进步--您必须优先考虑的不仅仅是 机器学习 本身。而是需要有高质量的数据、合适的人才和全面的整合战略。